在Pytorch中实现的基于RNN的时间序列异常检测器模型。 数据集 1.纽约市出租车乘客人数 纽约市交通管理局提供的纽约市出租车乘客数据流 Cui，Yuwei等人进行了预处理（以30分钟为间隔汇总）。在“对HTM和其他神经网络模型进行流数据在线序列学习的比较研究中”。神经网络（IJCNN），2016年国际联席会议。IEEE，2016. ，代码 2.心电图（ECG） ECG数据集包含对应于心室前收缩的单个异常 3. 2D手势（视频监控） 视频中手势的XY坐标 4.呼吸 一个病人的呼吸（通过胸廓扩展测量，采样率10Hz） 5.航天飞机 航天飞机Marotta阀的时间序列 6.电力需求 荷兰研究机构一年的电力需求

算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些指标长期的趋势对预测值有影响，有些无影响，让神经元控制短期记忆和长期记忆，克服了实践中时间越长影响参数越小的问题。

Introduction(简介) 这是AIOps的一个异常检测竞赛项目。 Datasets(数据集) 数据集是从5个互联网公司收集的26个KPIs，分为有标记的训练集(data/train.csv)和无标记的测试集(data/test.csv)。

Jet Aircraft Trajectory Prediction based upon BADA